伴随着人工智能时代的到来，人机交互的领域也逐渐成为研究的一大方向；其中，手势识别是人机交互领域的一项关键技术，自此手势识别也迎来了一波高潮，近几年无论是在消费领域、电子领域、数码领域、家电领域甚至汽车领域上，都能或多或少的见到手势识别的身影。 手势识别在设计智能高效的人机界面方面具有至关重要的作用, 目前手势识别已应用到手语识别、智能监控、到虚拟现实等各个领域，手势识别的原理都是利用各种传感器（例如红外、摄像头等）对手部的形态进行捕捉并进行建模，形成一个模型信息的序列帧，而后将这些信息序列转换为机器能够识别的相对应指令（例如打开、切换菜单、移动等）来完成控制。 采用Python的集成开发环境Pycharm进行本次课程设计，在Pycharm中进行需要库（模块）的下载，调取电脑摄像头，按帧读取摄像头采集到的头像，形态学处理，图像旋转（由于摄像头采集到的图像是镜像，需要用cv2.flip将摄像头采集到的图像进行处理），选取图片中固定位置作为手势输入，用红线画出手势识别框，基于hsv的肤色检测，进行高斯滤波，找出轮廓，求出图像中手势的凹凸点，手指间角度求取。

采用Python的集成开发环境Pycharm进行本次课程设计，在Pycharm中进行需要库（模块）的下载，调取电脑摄像头，按帧读取摄像头采集到的头像，形态学处理，图像旋转（由于摄像头采集到的图像是镜像，需要用cv2.flip将摄像头采集到的图像进行处理），选取图片中固定位置作为手势输入，用红线画出手势识别框，基于hsv的肤色检测，进行高斯滤波，找出轮廓，求出图像中手势的凹凸点，手指间角度求取。

基于Kinect开发的PPT手势控制器，可以鲁棒的完成翻页和退出，代码是用C#写的，平台是VS2013。

knn基于matlab的代码惯性手势识别 介绍 手机在我们的日常生活中起着重要的作用。 本文开发了一种基于手机传感器的手势识别基准。 内置的手机微型陀螺仪和加速度计可以有效地测量沿x，y和z轴的加速度和角速度，并将其用作输入数据。 我们计算输入数据的能量以减少手机姿势变化的影响。 收集了一个大型数据库，其中包含8个手势的1,000多个样本。 隐马尔可夫模型（HMM），K最近邻（KNN）和支持向量机（SVM）在基准测试中进行了测试。 实验结果表明，所采用的方法可以有效地识别手势。 为了促进对此主题的研究，向公众提供了源代码和数据库。 指示 在MATLAB中运行“ HMM.m”脚本。 在MATLAB中运行“ SVM.m”脚本。（需要libsvm） 在MATLAB中运行“ KNN.m”脚本。 “ struct.mat”存储预先计算的数据。 笔记 如果使用数据库，请引用本文 谢春雨，栾尚珍，王海南，张宝昌：基于手机的手势识别基准。 CCBR 2016：432-440 接触 张宝昌

本代码功能是利用识别手掌和拳头，可以使用电脑自带摄像头但易受光照影响，建议使用工业摄像头。

可以很好地识别出1到10的不同手势，利用的是模板匹配，计算距，对复杂背景效果较好

利用超声波技术，在智能手机上实现手势识别功能。非常实用的一篇论文

手势识别matlab源代码

基于联合算法的数据手套的手势识别技术研究

本代码功能是利用kinect的图像采集功能和骨骼信息对实时视频的手势进行识别，可以识别手掌的伸开和紧握